Choisissez Auto, TokenLab Verified ou Official pour chaque demande, avec les prix affichés à l'avance. Voir les nouveautés

xAI: Grok Voice STT

Grok Voice STT convertit l'audio enregistré en texte. Les indices linguistiques et les contrôles d'horodatage le rendent utile pour les transcriptions qui alimenteront le sous-titrage, la recherche ou une étape ultérieure d'analyse de texte.
Comparer les modèles
grok-voice-stt
DisponiblexAITranscription (Speech to Text)Synchrone
Prix
À partir de $0.000028
Modalités
Audio

À propos de Grok Voice STT

Grok Voice STT est le modèle de reconnaissance vocale (speech-to-text) de xAI, qui transforme l'audio enregistré en transcriptions textuelles. Il accepte les formats de fichiers audio courants et renvoie des horodatages au niveau du mot. xAI documente séparément la diffusion en continu (streaming), la séparation des locuteurs et des canaux, ainsi que le formatage des nombres et des devises par langue. Utilisez-le pour des sous-titres, des archives de réunions consultables et des transcriptions d'appels destinées à une analyse textuelle ultérieure.

Points forts

  • Les horodatages au niveau du mot facilitent la création de sous-titres, la recherche par moment précis et de fichiers de sous-titrage à partir de la transcription.
  • xAI documente la diarisation des locuteurs et la transcription multicanal comme options natives ; vérifiez les détails actuels du modèle avant de vous y fier ici.
  • Des indices linguistiques et un mot-clé de prompt orientent la reconnaissance vers des noms de produits et du jargon.
  • Le formatage du texte restitue les nombres, les dates et les devises tels qu'ils sont écrits dans la langue parlée.

Quand préférer un autre modèle

  • Il produit uniquement des transcriptions ; pour résumer, traduire ou répondre à partir de l'audio, un modèle textuel est nécessaire en aval.
  • Les enregistrements très bruyants peuvent nécessiter un ajustement du seuil de détection vocale ou une entrée plus propre pour obtenir une précision acceptable.

Pour commencer

  1. Créer une clé API

    Générez une clé dans Console et utilisez-la avec tous les modèles de la plateforme.

  2. Envoyez votre première requête

    Copiez l'exemple pour votre langage et lancez-le.

    Audio vers texteEndpoint TokenLab
    POST/v1/audio/transcriptions
    curl -X POST "https://api.tokenlab.sh/v1/audio/transcriptions" \
      -H "Authorization: Bearer sk-xxx" \
      -F file="@audio.mp3" \
      -F operation="stt" \
      -F response_format="json" \
      -F model="grok-voice-stt" \
      -F language="en"

Paramètres

Audio vers texte

ParamètreValeurs et limitesValeur par défautRemarques
fileEntrées : ≥ 1, ≤ 1Non fourniSend one audio file in multipart/form-data. Maximum file size is 25 MiB.
languageNon fourniNon fourniThis field is accepted. The current public contract does not specify a complete value range or list. No additional values are promised. The omitted-field default is not verified.
promptNon fourniNon fourniNon fourni
response_formatjson, text, verbose_jsonjsonNon fourni
timestamp_granularitieswordNon fourniNon fourni

Tarification

Le prix Verified s’applique à Verified, moins cher sur la plupart des modèles. Le prix Official est le prix publié par le fabricant du modèle et s’applique à la route Official, plus fiable. Auto facture la route qui termine la requête.

Tarification

par seconde
Prix Verified
—
Prix Official
$0.000028par seconde

Utilisation et activité

Le taux de réussite est la part de requêtes abouties. La latence est la durée d'une réponse complète ; P95 signifie que 95 % des requêtes ont fini dans ce délai.

Utilisation et disponibilité

Dernières 24 heures
Requêtes
Taux de succès
Latence P95
Total des jetons
Performance du modèle
Les métriques s'affichent une fois les seuils de confidentialité et de volume de données atteints.

Les données sont basées sur les requêtes agrégées des utilisateurs, à l'exclusion des vérifications de statut.

Ouvrir dans Console

Ouvrez Grok Voice STT dans Console avec un prompt prêt à modifier ou envoyer.

Aide-moi à tester grok-voice-stt avec une requête audio sur /v1/audio/transcriptions. Affiche le résultat et le coût.

Cas d'usage

  • Transcriptions de réunions

    Transcrivez un appel enregistré en texte avec des minutages par mot, puis transmettez-le à un outil de résumé pour en extraire les points d'action.

  • Sous-titres pour vidéo

    Générez des sous-titres horodatés à partir de la piste audio d'une vidéo téléchargée en utilisant les minutages par mot.

  • Contrôle qualité des centres d'appels

    Transcrivez les enregistrements d'appels, puis analysez le texte à la recherche de phrases de conformité. Les étiquettes de locuteur ou de canal sont une option native de xAI, non listée dans les détails du modèle ici.

Exemples de prompts

Transcrivez cet extrait de podcast de 20 minutes en anglais avec des horodatages par mot.

Transcrivez l'appel client joint, en utilisant les termes clés 'Zyntra', 'OmniPlan' et 'SLA' pour influencer la reconnaissance.

Convertissez ce mémo vocal en espagnol en texte et formatez les montants en tant que devises.

FAQ

Que fait Grok Voice STT ?

Il convertit l'audio en texte. Vous envoyez un fichier audio et il renvoie une transcription qui peut inclure des horodatages au niveau du mot, selon les options que vous définissez. Le service natif de xAI documente également les étiquettes de locuteurs et le texte par canal.

Quels formats audio peut-il lire ?

xAI liste douze formats, dont MP3, WAV, FLAC et Opus. Pour le point de terminaison de transcription lié ici, téléchargez un fichier audio ne dépassant pas 25 Mo. Le point de terminaison de fichier natif de xAI documente un plafond distinct de 500 Mo qui n'étend pas la limite de téléchargement ici.

Prend-il en charge la transcription en direct ?

xAI documente un point de terminaison de streaming distinct avec des résultats intermédiaires. Les détails du modèle liés ici ne proposent actuellement que la transcription de fichiers, prévoyez donc de télécharger des fichiers. Vérifiez le contrat actuel du modèle avant de vous fier à la transcription en direct.

Combien de langues couvre-t-il ?

xAI documente plus de 25 langues pour la transcription et le formatage spécifique à la langue. Indiquez un indice linguistique lorsque vous connaissez la langue, afin que la reconnaissance n'ait pas à deviner.

Peut-il distinguer les locuteurs ?

xAI documente la diarisation et le mode multicanal comme des options natives distinctes. Les détails du modèle liés ici ne listent ni la diarisation ni le mode multicanal, et demander des étiquettes de locuteurs en langage clair ne les active pas. Vérifiez le contrat actuel du modèle avant de vous y fier.

Combien coûte Grok Voice STT ?

Sur TokenLab, Grok Voice STT coûte $0.000028 par seconde. La table tarifaire ci-dessus en montre le détail complet.

Quel endpoint Grok Voice STT doit-il utiliser ?

Utilisez https://api.tokenlab.sh/v1/audio/transcriptions pour Grok Voice STT. L'exemple de requête ci-dessous montre la structure de code correspondante.

Quelles opérations Grok Voice STT prend-il en charge ?

Grok Voice STT prend en charge Audio vers texte. Sélectionnez une opération pour voir l'endpoint et un exemple.

Comparer Grok Voice STT

Sources

Mis à jour le 2 oct. 2026

Plus de la série Grok Voice

Modèles associés